Diskusi Panel Tentang Kecerdasan Buatan

Standard

Assalamualaikum wr. wb.

Akhirnya pertama kali menulis terkait tentang pekerjaan di blog ini.

Salah satu kegiatan terkait pekerjaan yang menjadi sering dijalani sepulangnya ke Indonesia adalah menjadi pembicara di berbagai kuliah tamu, konferensi, meet-up, sharing session, diskusi panel, dan sebagainya. Semasa sebelumnya berkarir di New Zealand, tidak banyak kegiatan yang terkait menjadi pembicara / memberikan presentasi.

Ini mungkin juga menunjukkan bahwa topik terkait bidang keahlian saya, yaitu kecerdasan buatan (artificial intelligence / AI), juga sedang naik daun di Indonesia. Akhir-akhir ini cukup banyak acara dan kegiatan bertema AI. Dan cukup banyak pula undangan-undangan untuk menjadi pembicara yang tidak bisa saya penuhi.

Kamis minggu lalu (13/02/2020) merupakan “penampilan” pertama menjadi narasumber di sebuah diskusi panel sepeninggal Syva. Sebelumnya hampir saja saya membatalkan undangannya karena merasa belum siap lahir dan batin. Masih merasa tingkat kegelisahan berada di titik tertinggi dan tingkat kepercayaan diri di titik terendah.

Namun setelah dipertimbangkan ulang dan juga saran-saran dari teman ataupun berbagai sumber bacaan, sebaiknya “dipaksakan” saja untuk kembali kepada rutinitas agar pemulihan batin berjalan lebih cepat.

Acara diskusi panel tersebut diselenggarakan oleh cognixy.ai, salah satu startup di bidang AI di Indonesia, bekerja sama dengan STEI ITB dengan tema “AI for Indonesia: The Hope and Challenges”.

Di awal sesi masing-masing pembicara diminta untuk menyampaikan presentasi singkat sebagai pembuka. Saya ingin sedikit mengulas di sini apa saja yang saya sampaikan pada presentasi tersebut.

Kecerdasan Buatan (Artificial Intelligence)

Saat ini, AI mungkin sebuah bidang ilmu/teknologi yang sudah tidak asing lagi bagi banyak orang. Pendek kata, AI merupakan segala hal yang berkaitan dengan pembuatan mesin/program komputer yang dapat meniru aktifitas kecerdasan yang biasanya dilakukan oleh manusia. Bidang ini bermula dari motivasi untuk memahami kemampuan kognitif manusia lebih jauh.

Kecerdasan manusia sendiri pun merupakan hal yang sangat kompleks, yang memiliki sejarah kajian yang sangat panjang baik secara biologis, psikologis, maupun filosofis. Namun, paling tidak, kecerdasan manusia mencakup aspek belajar, bernalar, inferensi, prediksi, melakukan perencanaan, dan memecahkan masalah.

Kecerdasaan buatan pun bukan barang yang sepenuhnya baru — telah menjadi disiplin ilmu tersendiri sejak tahun 1950an. Bidang ini telah mengalami siklus naik dan turun, dimana pada suatu periode mendapatkan antusiasme yang tinggi namun pada periode lainnya mengalami pesimisme. Masa pesimisme ini dikenal dengan periode AI winter.Β 

Singkat cerita, terutama sebelum tahun 2010, perkembangan AI dominan pada proyek penelitian di laboratorium dan tidak banyak produk kecerdasaan buatan yang dapat dimanfaatkan di ranah praktis.

Pemelajaran Mesin (Machine Learning)

Saat ini dapat dikatakan situasinya berbeda. Banyak terobosan pada teknologi AI yang dampaknya signifikan pada ranah aplikasi, terutama di bidang computer vision dan natural language processing.

Terobosan-terobosan tersebut dicapai melalui sub-bidang dari AI yang dikenal dengan istilah pemelajaran mesin (machine learning), yang merupakan aspek belajar dari AI. Belajar yang dimaksud yaitu kemampuan program komputer atau model untuk meningkatkan performa melalui data, yang mayoritas dilakukan dengan pendekatan statistik.

Pemelajaran mesin juga merupakan bidang ilmu yang hampir sama usianya dengan AI itu sendiri. Alasan utama mengapa pemelajaran mesin sukses mencapai terobosan-terobosan sekarang ini disebabkan, paling tidak, oleh 2 hal:

  1. Ketersediaan data yang berlimpah
  2. Perkembangan komputasi hardware

Dahulu, kedua hal tersebut merupakan bottleneck bagi metode pemelajaran mesin untuk bekerja dengan baik.

Terdapat beberapa paradigma pada pemelajaran mesin: supervised learning, unsupervised learning, reinforcement learning, dan sebagainya. Di antara paradigma-paradigma tersebut, supervised learning merupakan yang saat ini paling berhasil pada ranah aplikasi. Dapat dikatakan sekitar 80-90% dari pemanfaatan pemelajaran mesin dicapai melalui supervised learning.

Supervised Learning

Cara kerja dari supervised learning pada dasarnya mencari mempelajari / membentuk sebuah model atau fungsi matematis diberikan sejumlah besar data (dapat berjumlah jutaan) dalam bentuk input-output yang telah terdefinisi dengan jelas. Model yang sudah belajar dari data tersebut kemudian akan dipergunakan untuk melakukan prediksi: memberikan output yang tepat dari suatu input, yang boleh jadi belum ada pada data yang digunakan untuk belajar. Salah satu model yang sangat efektif untuk melakukan prediksi semacam itu adalah deep learning network.

Dengan ide sesederhana itu, banyak sekali problem-problem dunia nyata yang dapat dipecahkan, antara lain:

Spam filtering

  • Input: metadata pada pesan email (judul, subyek, isi, dsb)
  • Output: spam atau bukan spam

Machine translation

  • Input: teks dalam suatu bahasa (contoh: B. Inggris)
  • Output: pasangan teks dalam bahasa lain (contoh: B. Indonesia)

dan sebagainya.

Sebagian kalangan, terutama yang bukan dari latar belakang teknis komputasi, ketika menyebut tentang AI, yang sebenarnya dia maksud adalah supervised learning. Cakupan AI sebenarnya jauh lebih luas dari supervised learning.

Perkembangan Riset Fundamental tentang AI Buatan

Walaupun supervised learning telah berhasil melakukan berbagai terobosan, komunitas AI terus melakukan upaya untuk melakukan perbaikan dan peningkatan terhadap kemampuan AI. Paling tidak, ada dua hal yang saat ini membatasi pengembangan AI yang lebih powerful: i) ketergantungan terhadap data yang berformat input-output berjumlah besar, ii) kemampuan prediksi yang masih cukup sederhana.

Baru-baru ini, tiga penerima Turing Award tahun 2019 (semacam Nobel Prize untuk bidang komputasi), Geoffrey Hinton, Yann Lecun, dan Yoshua Bengio, memberikan presentasi di konferensi AAAI 2020 yang dapat disimak di https://www.youtube.com/watch?v=UX8OubxsY8w. Kurang lebih apa yang mereka sampaikan itulah yang menggambarkan keadaan teknologi atau kemampuan AI saat ini.

Mengutip apa yang disampaikan oleh Yann Lecun, terdapat 3 problem yang sedang dikaji oleh para ilmuwan AI:

  1. Belajar melalui data yang lebih sedikit
  2. Belajar untuk melakukan penalaran
  3. Belajar untuk membentuk perencanaan dalam bentuk rangkaian aksi / instruksi

dimana manusia mampu melakukan hal tersebut jauh lebih baik daripada AI.

Pengembangan AI untuk Ekonomi Berkembang

Semua cukup sepakat bahwa teknologi AI saat ini akan berkontribusi menghasilkan disrupsi teknologi yang berpotensi menawarkan masa depan yang lebih baik bagi umat manusia, sekaligus memiliki resiko atau tantangan.

Pertanyaan besar untuk kemajuan Indonesia: bagaimana kita seharusnya mengembangkan dan memanfaatkan AI?

Salah satu tantangan terbesar dari ekonomi berkembang dibandingkan ekonomi yang telah maju untuk mengadopsi AI adalah kesiapan data digital dan juga infrastruktur komputasi. Negara-negara seperti U.S., Kanada, Australia, dan sebagian negara-negara di Eropa telah lama memiliki ekosistem data digital dan komputasi yang sudah dewasa. Ditambah lagi dari sisi pengembangan fundamental AI, mereka sejak lama telah memulainya.

Namun demikian, bukan berarti negara berkembang tidak ada kans sama sekali untuk memanfaatkan AI demi kemajuan negara. Secara umum, ekosistem AI secara global sendiri belum bisa dikatakan di level yang matang. Masih banyak peluang, permasalahan, atau area yang belum terjamah oleh teknologi AI. Oleh karena itu, hal pertama yang dapat dilakukan adalah dengan terus mencari dan menciptakan nilai guna yang unik dimana AI dapat bermain di sana.

Salah satu contoh nilai guna unik yang semestinya kita sendiri yang mengembangkan adalah model bahasa natural (NLP model) yang efektif, spesifik untuk menangani pemrosesan bahasa Indonesia beserta berbagai variasinya dan juga menangani bahasa lokal. Problem ini unik karena kitalah yang benar-benar mengerti domain bahasa domestik kita sendiri dibandingkan pemain-pemain dari luar. Bayangkan kita memiliki mesin translasi untuk menerjemahkan bahasa apapun ke dalam bahasa Indonesia dengan akurasi yang cukup tinggi, ataupun menerjemahkan semua bahasa lokal yang kita miliki satu sama lain, baik melalui teks maupun melalui audio.

Hal kedua yang dapat dilakukan adalah berfokus pada sektor-sektor tertentu yang benar-benar menjadi keunggulan kita atau yang benar-benar ingin kita selesaikan permasalahannya. Kita tidak harus sepenuhnya mengikuti jejak pengembangan AI yang sudah dilakukan pada negara maju, yang pendekatannya cenderung holistik mengarah penemuan dan eksplorasi pada berbagai aspek. Yang perlu dilakukan adalah memposisikan teknologi AI sebagai katalis untuk mendorong percepatan sektor-sektor tertentu, meminjam prinsip yang disampaikan oleh Jim Collins pada bukunya yang berjudul Good To Great.

Yang ketiga adalah dengan memperkuat sinergi antara institusi privat dan publik dalam pengembangan AI. Hal ini mungkin tidak hanya berlaku khusus pengembangan AI saja, melainkan pengembangan ilmu pengetahuan dan teknologi pada umumnya. Sudah bukan jamannya lagi masing-masing institusi untuk berjalan sendiri-sendiri karena yang akan dihasilkan hanyalah perlambatan kemajuan.

AI untuk Pengembangan Manusia

Menurut saya, aspek yang sangat penting yang harus kita selesaikan adalah pengembangan manusia itu sendiri, yang mencakup kesehatan, pendidikan, dan standar ekonomi/pendapatan perkapita. Pengembangan AI mesti diselaraskan dengan quick wins apa yang mau dicapai dan juga strategi nasional pada aspek pengembangan manusia yang dapat mengakselerasi peningkatan human development index (HDI).

Contoh quick win yang dapat dilakukan dengan AI dan langsung mengarah kepada peningkatan HDI misalnya mengarah kepda aspek usia harapan hidup bayi yang baru lahir. Salah satu penyebab kematian bayi adalah birth asphyxia, kondisi dimana bayi mengalami kekurangan oksigen yang terjadi dalam waktu yang cukup lama hingga mengakibatkan gangguan fisik terutama pada otak.

Pada daerah terutama di luar kota besar, seringkali akses terhadap sumber daya kesehatan sangat terbatas dan kurangnya pengetahuan dari masyarakat sehingga birth asphyxia sulit untuk dideteksi sejak dini. Dengan penetrasi internet dan telepon seluler, kita dapat mengembangkan aplikasi berbasis AI yang dapat dipasang pada telepon seluler untuk mendeteksi birth asphyxia melalui suara tangisan bayi sebagai indikator. Salah satu start-up dari Nigera sudah memulai pengembangan ini. Inisiatif semacam inilah yang perlu didorong lebih kencang oleh institusi pemerintah mauapun privat.

Tentunya masih banyak lagi problem-problem pada pengembangan manusia dimana AI berpotensi untuk membantu penyelesaiannya.

Pada dasarnya peran AI sama halnya dengan teknologi yang sudah diciptakan sebelumnya seperti listrik, mesin uap, dan lain-lain, yang dapat memicu terjadinya revolusi industri. Sifatnya pun netral, dalam artian teknologi itu sendiri tidak menentukan bagaimana skenario yang terjadi pada kehidupan manusia akibat munculnya teknologi tersebut: apakah terjadi skenario utopia, distopia, ataupun di tengah-tengah.

Hasrat kolektif kitalah yang lebih kuat untuk menentukan skenario apa yang ingin kita jalani dengan penggunaan AI. Menurut saya, kita kembalikan pengembangan AI kepada motivasi awalnya, yaitu untuk memahami kita sendiri agar meningkatkan kemampuan kita sebagai manusia baik secara individu maupun kolektif.

Wassalamualaikum wr. wb.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s